Patterns of Failure in Cutaneous Head and Neck Melanoma Following Negative Sentinel Lymph Node Biopsy: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background Cutaneous head and neck melanoma (cHNM) has a high rate of false-negative sentinel lymph node biopsy (SLNB) and up to a 25% risk of recurrence despite negative SLNB. The aim of this study was to investigate the pattern of melanoma recurrence in patients with cHNM with negative SLNB. Methods A retrospective cohort study of consecutive cHNM patients at a tertiary care centre from 2014-2022. We included all cHNM patients with negative SLNB. All patients were categorized into Breslow thickness >2 mm and ≤2 mm and extracted information pertaining to histopathological characteristics and the presence and type of disease recurrences. We performed multivariable analysis using logistic and cox regression. We used an alpha of 0.05 and all statistical analyses were performed using R software. Results Overall, 167 patients met eligibility criteria and of these, 53.5% patients had cHNM ≤2 mm thick and 46.7% had lesions >2 mm thick. The overall recurrence rate was 29.3%. Multivariable analysis demonstrated that Breslow thickness [aOR: 5.89 (95% CI: 1.37, 32.3), P = 0.02] was associated with distant recurrence. Multivariable cox regression also identified that pathological ulceration [aHR: 3.17 (95% CI: 1.61, 7.66), P = 0.01] predicted time to distant recurrence. The SLNB false omission rate was 3.6% (95% CI: 1.3%, 7.7%). Conclusion SLNB-negative cHNM patients with high-risk pathological features may benefit from adjuvant immunotherapy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».